STATISTIK-FORUM.de

[Standardabweichung]

Hallo,
ich überlege, wann genau ich konfirmatorische Faktorenanalysen einsetzen muss.

Themengebiet Psychologie:

Fall a) Ich habe 3 Items, die etwas ähnliches messen (Korrelation jeweils ca. 0,55 untereinander, Cronbachs Alpha = 0.77; Annahme eines reflektiven Messmodells). Diese latente Variable dient in der Studie als Prädiktor. Ist es notwendig, hier die latente Variable auf Modellfit zu prüfen?

Ist es grundsätzlich immer notwendig, neue Skalen auf ihren Modellfit zu prüfen, oder reicht Cronbach?
Wenn ja, welche Ausnahmen gibt es?

Fall b) Ich habe neue Skalen gebildet, die ich miteinander in Beziehung setzen will. Alle Items und Skalen sind neu. Die Skalen sind unterschiedlich operationalisiert, aber immer intervallskaliert. Ist hier ein Modellfit der wichtigste Hinweis für die Güte der Skalen?

Wäre toll, wenn mir hier jemand Feedback gibt. Ich arbeite mich aktuell ein, aber ich sehe den Wald nicht, weil in der Literatur nur über Bäume gesprochen wird, jedenfalls erlebe ich das so. Vielleicht kennt auch jemand eine Schritt für Schritt Anleitung, ich arbeite grad mit Bühners Werk.

[Standardabweichung]

Hallo,
ich überlege, wann genau ich konfirmatorische Faktorenanalysen einsetzen muss.

Themengebiet Psychologie:

Fall a) Ich habe 3 Items, die etwas ähnliches messen (Korrelation jeweils ca. 0,55 untereinander, Cronbachs Alpha = 0.77; Annahme eines reflektiven Messmodells). Diese latente Variable dient in der Studie als Prädiktor. Ist es notwendig, hier die latente Variable auf Modellfit zu prüfen?

Ist es grundsätzlich immer notwendig, neue Skalen auf ihren Modellfit zu prüfen, oder reicht Cronbach?
Wenn ja, welche Ausnahmen gibt es?

Fall b) Ich habe neue Skalen gebildet, die ich miteinander in Beziehung setzen will. Alle Items und Skalen sind neu. Die Skalen sind unterschiedlich operationalisiert, aber immer intervallskaliert. Ist hier ein Modellfit der wichtigste Hinweis für die Güte der Skalen?

Wäre toll, wenn mir hier jemand Feedback gibt. Ich arbeite mich aktuell ein, aber ich sehe den Wald nicht, weil in der Literatur nur über Bäume gesprochen wird, jedenfalls erlebe ich das so. Vielleicht kennt auch jemand eine Schritt für Schritt Anleitung, ich arbeite grad mit Bühners Werk.

Ich konkretisiere nochmal, dass unter der Annahme essenzieller Tau-Äquivalenz es ja auch gut möglich ist, die wechselseitigen Korrelationen aufzuführen (die dann ja etwa gleich sein sollten). Was ganz genau ist der Nutzen einer Pfadanalyse? Gibt es Nachteile oder ist es immer sinnvoll, seine Items so zu testen. Gibt es eine "Regel", die besagt, wann man genau Pfadmodelle aufstellen muss oder sollte?

[Lenzo]

Es wäre noch interessant zu wissen, was du genau vorhast bzw. wofür du den Einsatz der konfirmatorischen Faktorenanalyse planst?

Wenn du deine Items in Bezug auf ein bereits existierendes Modell hin überpürfen willst (Theorie et al. (1900) sagen, dass
das und das immer für das und das steht) oder wenn du nachweisen willst, dass deine Skala Unidimensionalität aufweist
(z.B. als Voraussetzung, um ein kompexes Modell mit mehreren Subskalen zu analysieren), dann solltest du eine CFA durchführen
(steht so, glaube ich, auch im Bühner).

Mit Cronbachs Alpha wird ja nur die interne Konsistenz innerhalb der jeweiligen Items bestimmt, was aber noch nicht
unbedingt etwas darüber aussagen muss, inwiefern die Items als Indikatoren für ein bestimmtes Konstrukt anzusehen sind. Hier
geht es also um den Unterschied zwischen Reliabilität und Validität (http://doresearch.wordpress.com/tag/cronbach-alpha/).

Andere/weitere Ideen?

[Holgonaut]

Hi

wie Lenzo schon sagte: Cronbach's alpha ist mehr oder weniger die mittlere Korrelation zwischen den items. Dies ist dann ein Maß für die Reliabilität, wenn die
items dasselbe messen (und auch mit gleich hoher Ladung).

Da "Skalen" gewöhnlicherweise nicht streng getestet werden, neige ich schon dazu, in der jeweiligen Studie eine CFA oder besser noch ein ganzes SEM zu machen.
Letzteres hat den Vorteil, dass man seine Prädiktoren messefehlerfrei bekommt, was den bias in den geschätzten Effekten verhindert (vorausgesetzt, es liegt auch sonst
keine Endogenität vor).

Ist hier ein Modellfit der wichtigste Hinweis für die Güte der Skalen?

Das Modell testet DEIN Verständnis der kausalen Struktur innerhalb der Skala. Wenn DU denkst, dass die 3 items dasselbe reflektieren und es kommt anders raus, dann sollte dich das
interessieren, da es zentral für die Validität ist. Neben dem Modellfit interessieren dann natürlich die Ladungen im Sinne des Zusammenhangs zwischen Indikatoren und latenter Variable (sind sie so hoch, wie es plausibel wäre, WENN die latente Variable tatsächlich diejenige ist, die man messen will?). Für Verwendungen der Skala außerhalb SEM sind dann ferner noch Kriterien der Messfehlerbelastung wichtig. Das ist aber nicht nur Reliabilität (=Abwesenheit von Zufallsmessfehler), sondern generell jeder Fehler.

Grüße
Holger

[Standardabweichung]

Danke sehr, der Fall ist auch noch nicht abgeschlossen (liegt auf der Warteliste) .

Ich denke auch, dass es besser ist, ich fürchte mich vielleicht nur davor festzustellen, dass meine Items, dann nicht so stark sind, wie erhofft.

Ich hatte (2003-2012) generell nur den Eindruck, dass viele Skalen eingesetzt werden, die nicht so streng geprüft wurden, ohne dass dies in den entsprechenden Artikeln thematisiert wird. Aber mittlerweile (2013) sehe ich in den Fachzeitschriften den Trend dahingehend hier exakter zu werden, also arbeite ich mich bald in die Thematik ein